AI入門必讀！小白如何入坑深度學習？

之前給大家更新了各國文學史和科幻史，上週介紹了斷代史推薦，這周先後介紹了中國通史和全球史書單，今天直接橫跨到我自己的專業，聊聊深度學習的學習路線書單，有哪些推薦書籍，這篇文章主要面向的是有一定數學和編程基礎、泛AI方向的本科生/研究生。

01 《統計學習方法》

今天已經進入到大模型時代，每天都有各種各樣花裏胡哨包裝後的新術語出現，很多人可能直接開始學習LLM大模型，但我依然推薦想要打好基礎的盒友先從《統計學習方法》這本書入門，現在已經更新到第二版，介紹了感知機、k近鄰、樸素貝葉斯、決策樹、Logistic迴歸、SVM、AdaBoost、EM算法、HMM、條件隨機場等經典算法，每種方法均從實例引入，結合嚴格的數學推導闡明原理，適合有線性代數、概率論基礎的本科生/研究生入門，第二版還加了不少無監督學習章節，可以搭配清華大學袁春教授製作的22章配套PPT一起享用。

02 《統計學習導論》

《統計學習導論：基於R應用》這本書其實是經典教材ESL的入門版本，書中內容和上面李航這本書重合度很高，但是這本書弱化數學理論推導，多了很多實踐應用，對編程基礎不強、商科等其他學科想轉AI的人很不錯，R語言也非常友好，就是翻譯太差勁，有條件可以直接看原版。

03 《機器學習》

南大周志華教授的這本《機器學習》我在16年剛出版時就拿到了，俗稱西瓜書，在16年時確實是爲數不多中國學者出的入門教材，但是西瓜書問題其實不少，比如SVM、決策樹章節數學推導省略不少關鍵步驟，符號使用不規範，西瓜書覆蓋面廣但不夠深入，給本科生作爲入門讀起來會比較懵逼，可以搭配另一本南瓜書閱讀，機器學習課程比較有名的是吳恩達的CS229，B站上也有搬運的課程視頻，這門課也是比較注重理論，需要具備基本的數學基礎，如果想要輕鬆一點可以看吳恩達Coursera上的Machine Learning課程。

04 《機器學習實戰》

上面幾本多爲機器學習的理論推導，接下來這本是機器學習實戰型教材，前面四章是給機器學習做大體的定義，介紹模型開發全流程、Scikit-Learn實戰，5-10章是傳統機器學習進階實戰，介紹監督學習和無監督學習算法，11-19章是深度學習和工程實戰，主要是引入深度學習框架TensorFlow和Keras，後面20-22章介紹強化學習、生成式模型，這本書優點是學習曲線很不錯，可以快速上手實戰，搭配上面《統計學習方法》/《機器學習》這類理論類書籍構建完整知識體系，缺點是現在已經2025年了，後面幾章的內容顯得太單薄，作爲入門還是不錯的實戰書。

05 《機器學習基石》

林軒田教授的《機器學習基石》是機器學習領域的經典入門課程，教材用的是《Learning From Data》這本書，B站上也有完整的課程錄像，兼具理論推導和開源習題代碼，非常適合想要老老實實打基礎的學生，另外李宏毅教授的《機器學習》課程也是面向入門者，很多人可能聽過他的網課，我是線下在NTU選修了這門課，李宏毅更側重深度學習和前沿技術，經常會使用寶可夢、涼宮春日這些案例來簡化複雜理論、降低理解門檻，感興趣也可以看看。

06 《深度學習》

花書我是16年底拿到的英文版，17年出了中文版，翻譯確實極其差勁，這本書比上面幾本都要厚得多，真正讀起來就更難了，打個比方我之前幾天推薦了一些文學和歷史學的大部頭，雖然晦澀但至少還是能讀懂，但是花書要求比較高，線代、概率論、數值計算都是基礎要求，上面幾本統計方法和機器學習也要有一個大致的瞭解，再才能開始閱讀花書。前面五章基本全是數學和機器學習基礎內容，6-14章介紹基礎模型和經典的神經網絡，15-20章屬於進階內容，介紹玻爾茲曼機、VAE和GAN這些生成模型，這本書全書沒有代碼示例，適合深入理解深度學習的博士生/科研人員，另外數學/物理背景強的轉AI，這套書可以作爲理論入門書籍。

07 《動手學深度學習》

李沐老師這本《動手學深度學習》也是開源書籍有完整的電子版，19年我拿到後也是第一時間就寫了書評，優點是可以直接用Jupyter Notebook，結合理論、代碼和運行結果可以更直觀去學習深度學習，後面沐神還更新了PyTorch版本，也是一本理論+實戰的好書。

08 《從零構建大模型》

關於大模型相關的專業書籍還是非常少的，想要入門可以直接看論文，有時間我再寫幾期入門應該看哪些論文。這本書是UW-Madison教授塞巴斯蒂安·拉施卡寫的，一上來就是直接介紹Transformer架構、Self-Attention機制這些大模型基礎理論，如果你明確想要入門LLM，然後又希望看書，可以學學這本書。

09《GPT圖解》

如果你是2025年開始入門深度學習的，可能不瞭解過去十多年深度學習的發展歷程。這本書是咖哥寫的，雖然書名是GPT圖解，但是基本介紹了從深度學習到NLP，再到GPT大模型的發展史，配套代碼簡單易懂，適合快速建立直觀認知。

10 Andrej Karpathy

Karpathy堪稱大模型領域的活菩薩，我在AI編年史系列有一期是專門講他的故事，Karpathy一個視頻差不多2個多小時，入門可以看《Intro to LLM》和《Deep Dive》這兩個視頻，從Transformer架構、自注意力機制到預訓練、微調、RLHF等全流程均有詳解，另外還有復現GPT-2這種系列視頻，直接從零手搓大模型，也是非常不錯的學習資料。

11 尾聲

由於時間關係，介紹以上10個小節，還有很多不錯的書大家可以評論區補充，本文大致是按照統計學習→機器學習→深度學習→NLP→LLM這個方向漸進式入門，每個領域推薦兩本書，一本偏向理論推導，一本偏向實踐，看完這些書，可基本上也算已經入門，細分的研究方向還有很多很多的頂會論文要看，大家如果需要我可以繼續更新各個子方向從入門到進階的論文~

菲爾茲獎——破解世紀難題，數學家王虹有望獲獎！

DeepSeek——最新論文解讀，梁文鋒大佬親自署名！

DeepSeek——創始人碩士學位論文賞析 [精讀]

深度學習入門——圖靈獎AI三巨頭

AI編年史——深度學習的發展史（收藏向）

AI編年史2——GPT是如何誕生的？

AI學術巨佬——何愷明，從遊戲中獲得論文靈感

AI領軍人物——孫劍，重劍無鋒的經典之作

AI傳奇巨佬——湯曉鷗，中國人工智能領袖人物！

AI女神李飛飛——從成都七中，到頂級AI科學家！

AI教父辛頓——一文帶你瞭解機器學習，AI教父的成長史！

圖靈獎——強化學習之父獲圖靈獎，啓發AlphaGo和GPT誕生！